ahang1598 小红书标题生成与评分
功能路由
根据用户意图选择执行路径：
- 创作新标题（如"帮我写标题"、"生成爆款标题"、"关于XX的标题"）→ 执行功能一
- 评估已有标题（如"评分"、"打分"、"这个标题怎么样"、"评估标题"）→ 执行功能二
无论执行哪个功能，用户输入的任何信息都基于此生成爆款标题或评估标题潜力。
全局规则
鉴权
获取 API Key
配置 API Key
REDFOX_API_KEY从环境变量获取，格式ak_xxxxxxxx- 若未设置，提示用户自行配置：
export REDFOX_API_KEY=<你的apikey>；若用户不会配置，Agent应主动帮用户设置：- macOS/Linux：将
export REDFOX_API_KEY=<值>追加到~/.zshrc（zsh）或~/.bashrc（bash），然后source对应文件使其全局生效 - Windows：使用
[Environment]::SetEnvironmentVariable("REDFOX_API_KEY", "<值>", "User")设置用户级永久环境变量（需重启终端生效） - 配置完成后应验证：
echo $REDFOX_API_KEY（macOS/Linux）或echo %REDFOX_API_KEY%（Windows），确保换一个skill也能读取到
- macOS/Linux：将
用词规范
- 禁止："爬取"、"抓取"
- 替代：使用"获取"
关键词精准匹配
- 用户输入的是什么产品，就只查询什么产品，不随意扩展到相关但不同的产品
- 理解产品具体形态边界：霜≠喷雾≠衣；膏≠液≠粉；液≠霜≠气垫；口红≠唇釉≠唇油
- 核心原则：用户输入的产品是什么形态/类型，就严格限定在该范围内
关键词类型判断
- 细分词/垂直赛道（含具体场景/属性修饰，如"职场穿搭"、"减脂餐"）→ 直接查询
- 具体产品词（如"防晒霜"、"睫毛膏"）→ 直接查询，不扩展到其他产品
- 泛化词/大分类（纯大类词无修饰，如"穿搭"、"美妆"）→ 执行泛化词拓展策略
详细判断标准与示例见 references/guide.md
泛化词拓展策略
仅当关键词为泛化词时执行，细分词/具体产品词跳过此步直接查询。
- 查询近7天网页资讯中与泛化词相关的小红书热点，生成10个细分方向（覆盖趋势词、人群词、场景词、意图词各2-3个，词的大小适中不加组合）
- 输出推荐并停止执行，等待用户回复「拓展」或「不拓展」
- 用户回复「拓展」→搜索10个细分词；回复「不拓展」/「继续」→搜索原关键词
数据查询规则
时间计算：先获取当前系统时间，再计算 startDate（格式 yyyy-MM-dd）
- 今天：startDate = 昨天
- 近N天：startDate = 今天 - N天
数据不足时自动扩展时间（禁止换词）：
- 近1天 → 近3天 → 近7天 → 近30天
- 每次扩展后提示用户："该关键词近X天数据不足5条，已自动扩展时间范围至近Y天"
- 即使扩展到近30天仍不足5条，如实展示并提示数据不足
超出范围说明：
- 用户说"今天/今日"："非常抱歉，今天的数据暂未更新，已为您展示最近可用的数据"
- 时间超出30天："非常抱歉，当前仅支持最近30天的数据，已为您展示最接近的数据"
执行命令：
python scripts/fetch_xhs_trends.py --keyword <关键词> --start-date <日期>- 多关键词用逗号分隔：
python scripts/fetch_xhs_trends.py --keyword "防晒霜,防晒喷雾" --start-date 2024-01-15 - 全站热门：
python scripts/fetch_xhs_trends.py --keyword "" --start-date <日期>
功能一：爆款标题生成
第一步：提取关键词
从用户输入中提取核心关键词，判断关键词类型（见全局规则），泛化词需先执行拓展策略。
第二步：查询数据
- 默认时间范围：近7天（startDate = 今天 - 7天）
- 执行数据查询命令（见全局规则）
- 读取生成的 Markdown 文件：
关键词_爆款数据.md - 必须向用户输出数据获取数量：从脚本执行的 stderr 输出中读取各类别数据条数，向用户汇报（如"共获取到爆款数据 XX 条，其中低粉爆款 XX 条、点赞最多 XX 条、单日互动 XX 条、7日增长 XX 条"）
- 数据时间差说明（内部参考，不展示）：互动数据截止为入库时间，非实时数据
第三步：生成爆款标题
必须先内部完成爆款标题分析，再生成标题，顺序不能颠倒。
- [仅内部执行]分析爆款标题：从数据中提取所有标题，分析标题结构、关键词、情绪、目标人群、痛点、利益承诺。分析结果不展示给用户。
- 生成10个新爆款标题（向用户展示）：
- 基于分析规律创新创作，非直接采用参考爆款
- 标题字数控制在20字以内
- 推荐理由须详细说明：标题结构、关键词、目标人群、痛点、价值、平台适配性
- 匹配指数8-10之间，保留一位小数，同一指数最多重复2次
- 参考爆款须带链接：
[标题文字](https://www.xiaohongshu.com/explore/{photoId})
输出格式（必须严格遵守）
标题列表前必须输出数据说明：
⚠️数据说明：！！！受小红书风控规则限制，部分作品链接可能无法正常跳转，您可复制对应作品标题前往小红书搜索查看，感谢理解🙇♀️🙇♀️
每个标题格式：
**标题X：[标题内容]**
📈匹配指数：[8.0-10.0]
🔥参考的爆款：[标题1](https://www.xiaohongshu.com/explore/{photoId})（互动数：XXX）、[标题2](...)（互动数：YYY）
👍推荐理由：[详细推荐理由]
---
格式校验：数据说明在标题列表前 | 标题行粗体+20字内 | 匹配指数一位小数8-10 | 参考爆款带链接+互动数 | 推荐理由详细 | 块间分隔线 | emoji一致（📈🔥👍） | 共10个标题
功能二：爆款标题评分
第一步：提取关键信息
识别两个核心要素：
- 待评分标题：用户想要评估的标题
- 主题关键词：用于查询爆款数据（用户未提供则从标题中提取）
第二步：查询数据
- 默认时间范围：近30天（startDate = 今天 - 30天），获取更全面的爆款规律
- 执行数据查询命令（见全局规则）
- 必须向用户输出数据获取数量：从脚本执行的 stderr 输出中读取各类别数据条数，向用户汇报（如"共获取到爆款数据 XX 条，其中低粉爆款 XX 条、点赞最多 XX 条、单日互动 XX 条、7日增长 XX 条"）
第三步：评分（必须向用户输出）
先检查标题重合：用户标题与爆款标题完全一致（或仅标点/空格差异）→ 直接S级（9.5+分）
6维度加权评分：主题匹配度(15%)、结构合规度(20%)、利益清晰度(25%)、情绪唤醒度(20%)、稀缺性感知(15%)、合规安全性(5%)
等级：S级(9.0+)/A级(7.0-8.9)/B级(5.0-6.9)/C级(<5.0)
输出要求：评分结果必须完整输出给用户，包括综合得分、等级、6维度评分明细表，不得省略或仅内部参考。
评分标准、计算公式和输出格式模板见 references/guide.md
第四步：输出优化建议（必须向用户输出）
- S级：基于6维度爆款规律说明为什么好 + 3-5条同主题高赞标题及相似之处
- A/B/C级：核心问题清单 + 3-5条参考爆款标题（含可复用点）+ 2-3个修改版本（干货风/情绪风/猎奇风，标注适用场景和预期效果）
详细输出格式模板见 references/guide.md
使用示例
功能一：爆款标题生成
- 场景/输入：用户输入"防晒霜"
- 预期产出：查询防晒霜爆款数据 → 汇报获取数量（如"共获取爆款数据 35 条，其中低粉爆款 10 条..."）→ 生成10个新爆款标题
- 关键要点：只查询防晒霜，不包含防晒喷雾、防晒衣等；必须输出数据获取数量
功能二：标题评分
- 场景/输入：用户输入"帮我评分'这款防晒霜真的绝了'，关键词防晒霜"
- 预期产出：查询数据并汇报获取数量 → 评分报告（6维度加权得分+等级）→ 优化建议（核心问题+参考爆款+修改版本）
- 关键要点：基于防晒霜相关爆款数据评分，必须输出数据获取数量，优化建议有针对性
资源索引
- 数据查询脚本：scripts/fetch_xhs_trends.py（查询小红书爆款数据，参数：--keyword 关键词 --start-date 起始日期）
- 评分与关键词指南：references/guide.md（执行功能二时读取评分标准与输出模板；判断关键词类型时读取泛化词/具体词详细定义与示例）